MétaCan
Menu
Retour à la cohorte
Enregistrement W2623495264 · doi:10.1515/ijamh-2017-0007

Bicycle and helmet use of adolescents in Markham, Canada

2017· article· en· W2623495264 sur OpenAlexaffabout
Michael Borean, Stephanie K.M. Ho, Drew Hollenberg, Tharani Anpalagan, Anna Rzepka, Jaclyn Viehweger, Christopher C.K. Ho, Isaac Rigby, Ronald Chow

Notice bibliographique

RevueInternational Journal of Adolescent Medicine and Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensMarkham Stouffville HospitalWestern University
Organismes subventionnairesnon disponible
Mots-clésRecreationInjury preventionSuicide preventionPoison controlHuman factors and ergonomicsOccupational safety and healthDemographyMedicinePopulationPsychologyGerontologyEnvironmental healthPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Bicycle crashes are the second most common sports- or recreation-associated cause of serious injury. While the literature suggests that wearing protective helmets can significantly decrease risks associated with bicycle-related injuries, overall helmet use remains sub-optimal. A recent study by Chow et al. suggested that helmet-wearing rates in adolescent boys are negatively correlated with age. The aim of this study was to determine if similar trends are observed in a co-educational high school setting. A questionnaire was circulated at Unionville High School, a co-ed public high school in Markham, Canada. Of the 144 participants, 27 of them were in Grade 9 or 10, and 117 of them were in Grade 11 or 12. While there was no statistical difference between helmet-wearing rates in Grade 9-10 and Grade 11-12 students, overall usage rates were low (41% and 38%, respectively, for recreational cyclists). This trend is interesting, considering that nearly 90% of all students were aware that wearing a helmet while cycling is required under Ontario law. Further studies should be conducted among the young adult population to determine whether the alarming trends discovered by this study and Chow et al. continue.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,104
Tête enseignante GPT0,425
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Adolescent Medicine and HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207